一步API中文文档
  1. 接口
一步API中文文档
  • 01_人工客服
  • 02_购买地址
  • 03_base_url说明
  • 04_API key的获取和使用
  • 05_支持的模型与在线查询
  • 06_API Key余额查询
  • 07_常用工具配置教程
    • 01_Chatbox多端一键配置Claude/GPT/DeepSeek等主流模型
    • 02_JetBrains 全家桶(idea、PyCharm、WebStorm)配置教程
    • 03_Cursor配置
    • 04_Trae AI配置
    • 05_AingDesk配置(更新中)
    • 06_vscode配置(更新中)
  • 08_示例代码
    • python
      • 01_OpenAI-Python示例代码
      • 02_Claude-Python示例代码
      • 03_OpenAI-image-Python示例代码
      • 04_Gemini-Python示例代码
      • 05_Python分析文件代码示例
      • 06_Python其他示例
    • Java
      • 01_OpenAI-Java示例代码
      • 02_Claude-Java示例代码
  • 聊天接口(Chat)
    • 图片识别接口
    • 聊天接口(通用)
  • 向量生成(Embeddings)
    • 创建嵌入
  • 文生图片(Images)
    • DALL·E
  • 音频(Audio)
    • TTS文本转语音
  • 更新中
    • API的介绍及使用教程点击内涵链接
    • 常用教程合集
    • Anthropic Claude接口
    • Claude账号登录教程
  • 接口
    • Anthropic 对话格式(Messages)
    • Cohere 重排序格式(Rerank)
    • Deepseek reasoning 对话格式(类Chat Completions)
    • Jina AI 重排序格式(Rerank)
    • Midjourney 图像格式(Midjourney Proxy/Midjourney Proxy Plus)
    • OpenAI 音频格式
    • OpenAI 对话格式(Chat Completions)
    • OpenAI 嵌入格式(Embeddings)
    • OpenAI 图像格式(Image)
    • OpenAI 实时对话接口
    • OpenAI 响应格式(Responses)
    • Suno 音乐格式(Music)
    • Xinference 重排序格式(Rerank)
  1. 接口

OpenAI 音频格式

OpenAI 音频格式#

!!! info "官方文档"
OpenAI Audio

📝 简介#

OpenAI 音频 API 提供了三个主要功能:
1.
文本转语音(TTS) - 将文本转换为自然的语音
2.
语音转文本(STT) - 将音频转录为文本
3.
音频翻译 - 将非英语音频翻译成英语文本

💡 请求示例#

文本转语音 ✅#

语音转文本 ✅#

响应示例:
{
  "text": "你好,世界!"
}

音频翻译 ✅#

响应示例:
{
  "text": "Hello, world!"
}

📮 请求#

端点#

文本转语音#

POST /v1/audio/speech
将文本转换为语音。

语音转文本#

POST /v1/audio/transcriptions
将音频转录为输入语言的文本。

音频翻译#

POST /v1/audio/translations
将音频翻译为英语文本。

鉴权方法#

在请求头中包含以下内容进行 API 密钥认证:
Authorization: Bearer $NEWAPI_API_KEY
其中 $NEWAPI_API_KEY 是您的 API 密钥。

请求体参数#

文本转语音#

model#
类型:字符串
必需:是
可选值:tts-1, tts-1-hd
说明:要使用的 TTS 模型
input#
类型:字符串
必需:是
最大长度:4096 字符
说明:要转换为语音的文本
voice#
类型:字符串
必需:是
可选值:alloy, echo, fable, onyx, nova, shimmer
说明:生成语音时使用的声音
response_format#
类型:字符串
必需:否
默认值:mp3
可选值:mp3, opus, aac, flac, wav, pcm
说明:音频输出格式
speed#
类型:数字
必需:否
默认值:1.0
范围:0.25 - 4.0
说明:生成语音的速度

语音转文本#

file#
类型:文件
必需:是
支持格式:flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
说明:要转录的音频文件
model#
类型:字符串
必需:是
当前仅支持:whisper-1
说明:要使用的模型 ID
language#
类型:字符串
必需:否
格式:ISO-639-1 (如 "en")
说明:音频的语言,提供可提高准确性
prompt#
类型:字符串
必需:否
说明:用于指导模型风格或继续前一段音频的文本
response_format#
类型:字符串
必需:否
默认值:json
可选值:json, text, srt, verbose_json, vtt
说明:输出格式
temperature#
类型:数字
必需:否
默认值:0
范围:0 - 1
说明:采样温度,较高的值使输出更随机
timestamp_granularities#
类型:数组
必需:否
默认值:segment
可选值:word, segment
说明:转录的时间戳粒度

音频翻译#

file#
类型:文件
必需:是
支持格式:flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
说明:要翻译的音频文件
model#
类型:字符串
必需:是
当前仅支持:whisper-1
说明:要使用的模型 ID
prompt#
类型:字符串
必需:否
说明:用于指导模型风格的英文文本
response_format#
类型:字符串
必需:否
默认值:json
可选值:json, text, srt, verbose_json, vtt
说明:输出格式
temperature#
类型:数字
必需:否
默认值:0
范围:0 - 1
说明:采样温度,较高的值使输出更随机

📥 响应#

成功响应#

文本转语音#

返回二进制音频文件内容。

语音转文本#

基础 JSON 格式#
{
  "text": "转录的文本内容"
}
详细 JSON 格式#
{
  "task": "transcribe",
  "language": "english",
  "duration": 8.47,
  "text": "完整的转录文本",
  "segments": [
    {
      "id": 0,
      "seek": 0,
      "start": 0.0,
      "end": 3.32,
      "text": "分段的转录文本",
      "tokens": [50364, 440, 7534],
      "temperature": 0.0,
      "avg_logprob": -0.286,
      "compression_ratio": 1.236,
      "no_speech_prob": 0.009
    }
  ]
}

音频翻译#

{
  "text": "翻译后的英文文本"
}

错误响应#

当请求出现问题时,API 将返回一个错误响应对象,HTTP 状态码在 4XX-5XX 范围内。

常见错误状态码#

400 Bad Request: 请求参数无效
401 Unauthorized: API 密钥无效或未提供
429 Too Many Requests: 超出 API 调用限制
500 Internal Server Error: 服务器内部错误
错误响应示例:
{
  "error": {
    "message": "文件格式不支持",
    "type": "invalid_request_error",
    "param": "file",
    "code": "invalid_file_format"
  }
}
上一页
Midjourney 图像格式(Midjourney Proxy/Midjourney Proxy Plus)
下一页
OpenAI 对话格式(Chat Completions)
Built with